Modeling, Embedded Control and Design of Soft Robots using a Learned Condensed FEM Model

要約

有限要素法（FEM）は、ソフトロボットの動作を予測するための強力なモデリングツールですが、その計算時間は実用的なアプリケーションを制限できます。
この論文では、FEMモデルの凝縮に基づいた学習ベースのアプローチが詳細です。
提案された方法は、いくつかの種類のアクチュエーターと環境との接触を処理します。
このコンパクトモデルは、いくつかの設計で統一されたモデルとして学習できることを実証し、ロボットの直接的および逆運動学を推測できるため、モデリングの点で非常に効率的なままであることを実証します。
[11]で導入された直観に基づいて、学習モデルは、ソフトマニピュレーターのモデリング、制御、設計のための一般的なフレームワークとして提示されます。
まず、メソッドの適応性と汎用性は、機械的接触ベースの結合を備えた位置付けと操作タスクを含む最適化ベースの制御問題を通じて示されています。
第二に、学習した凝縮モデルの低いメモリ消費と高い予測速度は、費用のかかるオンラインFEMシミュレーションに依存せずにリアルタイムの埋め込み制御のために活用されます。
最後に、ソフトロボットの設計のバリエーションをキャプチャする学習された凝縮FEMモデルの能力とその分化性は、キャリブレーションおよび設計最適化アプリケーションで活用されています。

要約(オリジナル)

The Finite Element Method (FEM) is a powerful modeling tool for predicting soft robots’ behavior, but its computation time can limit practical applications. In this paper, a learning-based approach based on condensation of the FEM model is detailed. The proposed method handles several kinds of actuators and contacts with the environment. We demonstrate that this compact model can be learned as a unified model across several designs and remains very efficient in terms of modeling since we can deduce the direct and inverse kinematics of the robot. Building upon the intuition introduced in [11], the learned model is presented as a general framework for modeling, controlling, and designing soft manipulators. First, the method’s adaptability and versatility are illustrated through optimization based control problems involving positioning and manipulation tasks with mechanical contact-based coupling. Secondly, the low memory consumption and the high prediction speed of the learned condensed model are leveraged for real-time embedding control without relying on costly online FEM simulation. Finally, the ability of the learned condensed FEM model to capture soft robot design variations and its differentiability are leveraged in calibration and design optimization applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google